مطالعه جدید محققان دانشگاه نورث وسترن نشان می دهد که هوش مصنوعی می تواند الگوهای گفتار کودکان مبتلا به اوتیسم را تشخیص دهد.
به گزارش ایسنا و با توجه به اخبار علوم اعصاب، یک مطالعه جدید به رهبری دانشگاه نورث وسترن، از یادگیری ماشینی برای شناسایی الگوهای گفتاری در کودکان مبتلا به اوتیسم استفاده می کند. نتایج این مطالعه بین انگلیسی و کانتونی قابل مقایسه بود و نشان داد که مطالعه ویژگی‌های گفتار می‌تواند روش مفیدی برای تشخیص بیماری باشد.
این مطالعه با همکاری محققان هنگ کنگ نتایجی را به دست آورد که می تواند به دانشمندان کمک کند بین عوامل ژنتیکی و محیطی که مهارت های ارتباطی افراد مبتلا به اوتیسم را شکل می دهند تمایز قائل شوند. همچنین می تواند به دانشمندان کمک کند تا درباره شروع بیماری بیشتر بیاموزند و درمان های جدیدی را پیشنهاد کنند.
کودکان مبتلا به اوتیسم معمولا کندتر از کودکان عادی صحبت می کنند و تفاوت هایی در زیر و بم، ریتم و ریتم نشان می دهند. با این حال، توضیح این تفاوت ها همیشه به طرز شگفت انگیزی دشوار بوده است و منشأ آنها برای چندین دهه روشن نبوده است.
اکنون مولی لوش و جوزف لو، محققان دانشگاه نورث وسترن و پاتریک وانگ و تیمش در هنگ کنگ با موفقیت از یادگیری ماشینی برای شناسایی تفاوت های گفتاری مرتبط با اوتیسم استفاده کرده اند.
داده های مورد استفاده برای آموزش الگوریتم با ضبط صدای نوجوانان انگلیسی زبان و کانتونی زبان مبتلا به اوتیسم به دست آمد و داستانی را در یک تصویر تصادفی از کودکان با نام “قورباغه کجاست! کجا؟” نوشتند. آمده بود
لش گفت: «تفاوت‌های ساختاری که ما داریم احتمالاً به ویژگی‌های گفتار اشاره می‌کند که انعطاف‌پذیرتر هستند و می‌توانند اهداف خوبی برای مداخله باشند».
لو گفت: «استفاده از یادگیری ماشینی برای شناسایی عناصر کلیدی گفتار که اوتیسم را پیش‌بینی می‌کنند، گامی رو به جلو برای محققانی است که گفتار را در میان افراد مبتلا به اوتیسم به دلیل تعصب انگلیسی در تحقیقات اوتیسم و روان انسان متمایز می‌کنند.» در بازداشت و بدون آنها. محدودیت هایی دارد.
وی گفت: با استفاده از این رویکرد، ما توانستیم ویژگی های گفتاری را که می تواند به پیش بینی اوتیسم کمک کند، شناسایی کنیم. برجسته ترین آنها ریتم ریتم است. امیدواریم این تحقیق به عنوان مبنایی برای تحقیقات آتی در مورد اوتیسم که از یادگیری ماشینی استفاده می کند، باشد.
محققان معتقدند که تحقیقات آنها می تواند به درک بهتر اوتیسم کمک کند. لاو گفت: «هوش مصنوعی با کاهش بار روی متخصصان مراقبت‌های بهداشتی می‌تواند تشخیص اوتیسم را ساده‌تر کرده و آن را برای افراد بیشتری در دسترس قرار دهد. همچنین، هوش مصنوعی می‌تواند راهی را فراهم کند که روزی بتواند فرهنگ‌ها را منتقل کند، زیرا رایانه قادر است کلمات و صداها را بدون زبان، به طور یکپارچه تجزیه و تحلیل کند.
لش گفت: «از آنجایی که ویژگی‌های گفتاری شناسایی شده از طریق یادگیری ماشینی دارای ویژگی‌های مشترکی در زبان انگلیسی و کانتونی است، یادگیری ماشینی می‌تواند برای توسعه روش‌هایی مفید باشد که نه تنها تداخل گفتاری مناسب را برای مداخله درمانی، بلکه خود را نیز شناسایی می‌کند. همچنین می‌تواند تشخیص دهد.»
محققان می گویند که نتایج این مطالعه در نهایت می تواند به تلاش هایی برای شناسایی و درک نقش ژن های خاص و مکانیسم های دخیل در حساسیت ژنتیکی مغز منجر شود. هدف آنها در نهایت ایجاد تصویر جامع تری از تصوری است که در افراد مبتلا به اوتیسم تفاوت گفتاری وجود دارد.
لو گفت: «یکی از شبکه های مغزی که می تواند درگیر شود، مسیر شمارش است که به تفاوت در نحوه پردازش صداها با اوتیسم در مغز افراد مربوط می شود.
وی افزود: گام بعدی ما شناسایی تفاوت ها در پردازش الگوهای گفتاری در مغز و بررسی ژنتیک عصبی فراتر از آنهاست. ما در مورد آنچه در پیش است هیجان زده هستیم.
این مطالعه در مجله PLOS One منتشر شده است.
انتهای پیام/
soresec
